小型微型计算机系统

Select

王美静，郑吉平

2024, 45(3): 513-520.

摘要 ( ) PDF全文 ( )

可视化

近年来，遗憾最小化查询作为多准则决策的重要工具之一，逐渐成为数据查询的研究热点.遗憾最小化查询中，通过与用户进行交互，不断地学习用户的偏好，可以有效帮助降低查询的遗憾率.然而，已有的研究仅针对具有数值型属性的数据定义遗憾率并据此进行遗憾最小化查询，当面对包含非数值型属性的数据时，这些方法不再适用.本文提出的遗憾率定义针对包含非数值型属性的数据，并给出新的交互式遗憾最小化查询问题的定义.在此基础上，采用“支配”的概念提出用于预处理的skyline删减算法，利用偏好矩阵帮助学习用户偏好，并提出用于解决交互式遗憾最小化的算法MECR_QS.最后，实验结果表明MECR_QS算法能有效处理包含非数值型属性的交互式遗憾最小化查询.

Select

面向武器装备领域的复杂三元组抽取方法

游新冬，刘陌村，葛昊杰，肖刚，吕学强

2024, 45(3): 521-528.

摘要 ( ) PDF全文 ( )

可视化

为解决武器装备领域中单实体重叠和实体对重叠的复杂三元组的抽取问题，提出了挂载武器装备领域知识结合多轮对抗攻击的复杂三元组抽取方法（RDA），该方法通过武器装备领域微调后的Bert获取更具领域语义的文本向量；利用在嵌入层发起多轮对抗的方式，实现模型层面的数据增强，减少模型对标注样本规模的依赖；采用单层指针网络获取头实体对头实体的类别进行判定，利用维基百科知识库对武器装备领域的实体类别解释信息的向量，对武器装备类别信息以字为最小粒度进行融合，缓解分层标注的天然缺陷；最后在横纵两个维度基于不同粒度的序列标注实现复杂三元组的抽取.在武器装备领域的数据集上精准率达到88.54%，召回率达到75.88%，F1值达到81.72%，取得了SOTA效果.实验表明提出的RDA方法对武器装备领域的信息利用更加充分，有效地缓解武器装备领域遇到的单实体重叠问题（SEO）和实体对重叠（EPO）问题.

Select

AGV路径规划及避障算法研究综述

赵学健，叶昊，贾伟，孙知信

2024, 45(3): 529-541.

摘要 ( ) PDF全文 ( )

可视化

自动导向车（Automated Guided Vehicle，AGV）目前被广泛应用于物流、仓储、制造业和仓储等领域.AGV的路径规划和避障算法是实现AGV自主导航的关键技术，决定了AGV在复杂环境中能否高效、安全地完成任务，近年来成为AGV领域的重要研究热点之一.本文根据AGV路径规划及避障算法的原理与特点，将主流AGV路径规划及避障算法划分为局部避障路径规划算法、基于几何模型的路径规划算法、智能路径规划算法和混合算法4类，对算法的原理、工作流程、优缺点进行了深入分析，并介绍了相应的改进算法.最后，本文对AGV路径规划及避障的未来发展趋势进行展望，为AGV路径规划及避障算法的研究指出了方向.

Select

面向不均衡数据的重采样算法

朱深，徐华，成金海

2024, 45(3): 542-548.

摘要 ( ) PDF全文 ( )

可视化

针对欠采样可能丢弃过多的有用信息，合成少数类的过抽样技术（Synthetic Minority Over-sampling Technique，SMOTE）可能会引入过多的噪声的问题，提出了SMOTE改进算法.该算法首先使用聚类算法将少数类分为若干个簇，随机选择簇中的若干样本合成中间样本点，再与簇芯合成新的样本点，然后将随机欠采样（Random Under-Sampling，RUS）和SMOTE改进算法结合，提出了RUCSMOTE算法.该算法首先根据当前样本不平衡比率，使用随机欠采样，再使用SMOTE改进算法对少数类进行过采样，最终得到平衡的数据集.通过理论分析可知，RUCSMOTE算法结合两种算法的优点，减少过拟合的风险，同时减少因为欠采样丢失的多数类信息.在20个KEEL不平衡数据集上的实验结果表明，对于不均衡分类，相对于另外7种重采样算法，评价指标AUC与GM普遍提高了2~7个百分点.

Select

基于选择性通信策略的高效联邦学习研究

李群，陈思光

2024, 45(3): 549-554.

摘要 ( ) PDF全文 ( )

可视化

近年来，随着人工智能技术的飞速发展，人们越来越重视数据隐私与安全，世界各国也出台一系列法律法规以保护用户隐私.面对制约人工智能发展的数据孤岛以及数据隐私和安全问题，联邦学习作为一种新型的分布式机器学习技术应运而生.然而，高通信开销问题阻碍着联邦学习的进一步发展，为此，本文提出了基于选择性通信策略的高效联邦学习算法.具体地，该算法基于联邦学习的网络结构特点，采取选择性通信策略，在客户端通过最大均值差异衡量本地模型与全局模型的相关性以过滤相关性较低的本地模型，并在服务器端依据相关性对本地模型进行加权聚合.通过上述操作，所提算法在保证模型快速收敛的同时能够有效减少通信开销.仿真结果表明，与FedAvg算法和FedProx算法相比，所提算法能够在保证准确率的前提下，将通信轮次分别减少54%和60%左右.

Select

基于双向稀疏Transformer的多变量时序分类模型

王慧强，陈楚皓，吕宏武，米海林

2024, 45(3): 555-561.

摘要 ( ) PDF全文 ( )

可视化

针对多变量时序（Multivariate Time Series，MTS）分类中长序列数据难以捕捉时序特征的问题，提出一种基于双向稀疏Transformer的时序分类模型BST（Bidirectional Sparse Transformer），提高了MTS分类任务的准确度.BST模型使用Transformer框架，构建了一种基于活跃度得分的双向稀疏注意力机制.基于KL散度构建活跃度评价函数，并将评价函数的非对称问题转变为对称权重问题.据此，对原有查询矩阵、键值矩阵进行双向稀疏化，从而降低原Transformer模型中自注意力机制运算的时间复杂度.实验结果显示，BST模型在9个长序列数据集上取得最高平均排名，在临界差异图中领先第2名35.7%，对于具有强时序性的乙醇浓度数据集（Ethanol Concentration，EC），分类准确率提高30.9%.

Select

维适应人工蜂群算法的研究

赵明，焦剑如，宋晓宇，高怡臣

2024, 45(3): 562-569.

摘要 ( ) PDF全文 ( )

可视化

针对于基本人工蜂群算法对于改进维数以及改进维的选择没有充分利用历史搜索信息的问题提出一种维适应机制.由于不同优化问题适用的改进维数不同，而历史搜索信息中蕴含成功经验，构建改进维数成功历史档案并形成适应机制，使算法能够随着具体问题的优化过程适应到合适的改进维数，提高候选解搜索的成功率；在跟随蜂搜索阶段，保持一定比例随机选维的同时引入当前最优解信息对改进维的选择进行指导，在保证维选择适度随机性的同时更快适应到有潜能的维进行搜索，提升算法的收敛能力.采用CEC2014基准测试集与当前先进的5个改进的人工蜂群算法进行实验对比分析，结果及其统计检验表明，提出算法具有更好的求解精度、鲁棒性和收敛能力.

Select

四旋翼飞行器多模式稳定控制

贾晓涵，付丽霞

2024, 45(3): 570-575.

摘要 ( ) PDF全文 ( )

可视化

针对四旋翼飞行器的飞行稳定问题，提出了一种多模式的控制策略.在系统建模时引入未知扰动.系统采用内外环控制的方式，外环为位置控制环，采用自适应RBF神经网络对扰动进行预测，并采用非奇异终端滑模控制器实现对未知扰动的补偿和位置跟踪，有效提高了系统的鲁棒性；内环为姿态控制环，采用具备3种姿态角解算模式的超螺旋非奇异终端滑模控制器，使姿态角保持在安全区间内，使飞行器更加稳定和安全.通过李雅普诺夫方程法证明系统的稳定性，并证明了系统误差可有限时间收敛.最后，通过仿真实验验证了所提出控制策略的有效性.

Select

融合RoBERTa-GCN-Attention的隐喻识别与情感分类模型

杨春霞，韩煜，桂强，陈启岗

2024, 45(3): 576-583.

摘要 ( ) PDF全文 ( )

可视化

在隐喻识别与隐喻情感分类任务的联合研究中，现有多任务学习模型存在对隐喻语料中的上下文语义信息和句法结构信息提取不够准确，并且缺乏对粗细两种粒度信息同时捕捉的问题.针对第1个问题，首先改进了传统的RoBERTa模型，在原有的自注意力机制中引入上下文信息，以此提取上下文中重要的隐喻语义特征；其次在句法依存树上使用图卷积网络提取隐喻句中的句法结构信息.针对第2个问题，使用双层注意力机制，分别聚焦于单词和句子层面中对隐喻识别和情感分类有贡献的特征信息.在两类任务6个数据集上的对比实验结果表明，该模型相比基线模型性能均有提升.

Select

一种融合标签信息的多标签文本分类方法

任彦凝，陈俊霖，刘群

2024, 45(3): 584-590.

摘要 ( ) PDF全文 ( )

可视化

多标签文本分类旨在从若干标签中选取最相关的标签子集来标记一个样本点.传统的研究倾向于探讨标签间关系而忽略标签语义，造成信息提取不完整，因此如何利用标签元数据有效提取样本中的关键信息是需要解决的一个重要问题.为解决上述问题，本文首先提出从现有数据集中生成标签语义元数据的方法，利用注意力模型对样本中混杂的语义进行筛选和清洗，生成标签的语义信息，解决了标签语义获取困难的问题.其次提出combined-attention模型用以提取样本中的关键信息，此模型将标签语义和标签关系结合起来共同提取样本中的信息，并且其内部设置了自适应融合单元，将以上两种关键信息根据其在分类结果中的关键程度自适应分配权重，进一步提升了模型的分类能力.3个英文数据集上的实验结果表明本模型优于最先进的基线方法，在分类精度上最高提升了5.68%，在真实的中文法律数据集上也实现了优异的分类效果.

Select

一种Mask交互融合预训练知识的低资源神经机器翻译方法

朱志国，郭军军，余正涛

2024, 45(3): 591-597.

摘要 ( ) PDF全文 ( )

可视化

融合预训练语言知识是提升低资源神经机器翻译性能的有效手段.现有融合预训练语言知识的方法都比较复杂，计算资源消耗较大.针对以上问题，本文提出了一种简单有效的Mask交互融合预训练知识的低资源神经机器翻译方法，首先利用BERT的句子表征与源语言表征的自注意力交互计算两种表征的相似度，根据相似度值构造Mask知识矩阵，然后将Mask知识矩阵作用于源语言表征，自适应地将BERT表征中对低资源神经机器翻译任务有益的语言知识融入翻译模型，提升翻译模型对语言知识的表征能力.在IWSLT标准低资源翻译任务上的实验结果表明，与Transformer基线模型相比，所提方法获得了0.9~3.39的BLEU值提升，证明了所提方法能够有效利用预训练语言知识增强神经机器翻译性能.

Select

结合出行方式的Trans-BiLSTM移动目标位置预测方法

姚子宣，魏东，冉义兵

2024, 45(3): 598-605.

摘要 ( ) PDF全文 ( )

可视化

当前位置预测算法往往忽略用户出行方式的关键作用，并在处理长时间序列依赖问题中效果较差.针对这两个问题，提出了一种结合出行方式的Trans-BiLSTM目标位置预测模型.该模型首先提取轨迹段的运动学特征，然后构建基于XGBoost的出行方式识别算法，筛选影响出行方式的主要特征，和轨迹共同作为预测模型输入.最后为了增强轨迹特征的表征能力，引入Transformer编码器，并结合BiLSTM深度挖掘轨迹的上下文关系.在真实GPS轨迹数据集上进行的位置预测对比实验表明，Trans-BiLSTM模型与常用的LSTM和BiLSTM模型相比，目标位置预测的结果RMSE指标分别提升67.4%和17.7%.

Select

一种基于混合特征选择的图聚类算法

张寿，庞俊，廖明习

2024, 45(3): 606-612.

摘要 ( ) PDF全文 ( )

可视化

图聚类是图挖掘研究领域目前的研究热点之一.现有基于非深度学习技术的多个中小规模图的聚类算法提取频繁子图并作为特征，主要存在所选特征无效或重要特征丢失的问题，影响了聚类的性能.因此，本文提出了一种基于混合特征选择的图聚类算法.首先提出了一种基于主成分分析原理(Principal Component Analysis, PCA)的评估函数，从图数据集中挖掘出区分特征子图，作为候选特征.其次，提出了一种分支定界技术，加速了区分子图的挖掘过程.接着，为了进一步提高聚类准确率，不失一般性地选择了一种流行的嵌入式特征选择算法，继续对候选特征集进行特性选择，并同时完成图聚类.最后，通过真实数据集上的实验验证了本文提出的基于混合特征选择的图聚类方法的有效性.

Select

多策略混合的花朵授粉算法

姚光磊，熊菊霞，杨国武，郑宏宇

2024, 45(3): 613-620.

摘要 ( ) PDF全文 ( )

可视化

针对花朵授粉算法（FPA）在解决高维度问题时存在收敛速度慢和收敛精度低的问题，本文提出一种混合了多种策略的花朵授粉算法（MFPA）.该算法通过使用自适应控制因子来动态地切换全局与局部搜索策略的使用；为了提高收敛速度和维持花粉种群多样性，提出一种基于多方信息的全局搜索策略；为了能探索到更充分的解空间，提出一种局部搜索策略；为提高算法的搜索解空间能力，引入特征选择策略降低问题复杂度.基于多种类型测试函数开展模拟实验，与多种优秀算法进行算法性能对比分析，实验结论：MFPA 算法在收敛速度与精度方面有着更好的表现，适用于求解大规模复杂优化问题.

Select

一种分层注意力机制与用户动态偏好融合的序列推荐算法

闫猛猛，汪海涛，贺建峰，陈星

2024, 45(3): 621-628.

摘要 ( ) PDF全文 ( )

可视化

针对现有的序列推荐算法通常仅采用单一项目信息来捕获项目的潜在特征，以及循环神经网络存在时间依赖性随序列中位置单调变化的问题，提出一种分层注意力机制与用户动态偏好融合的序列推荐算法.首先，针对单一项目信息不足以学习项目准确表示的问题，提出一种分层注意力机制用于学习高质量的项目表示.其次，针对循环神经网络的时间依赖性严重损害了用户近期偏好建模的问题，引入文本卷积神经网络来提取循环隐藏状态之间的短期序列模式，并根据用户意图将用户长期偏好与近期偏好进行动态融合.此外，针对传统自注意力机制无法对序列中元素的相对位置信息进行建模的问题，对现有的自注意力机制进行了改进，充分捕获序列中元素的相对位置信息.并在公开数据集MovieLens-1M与Amazon-Book上与现有优秀算法作比较，实验结果证明了所提算法的有效性.

Select

面向非线性MTT的多模型泊松多伯努利混合滤波算法

陈嵩杰，李波，张露

2024, 45(3): 629-635.

摘要 ( ) PDF全文 ( )

可视化

在多目标跟踪（Multi-target Tracking，MTT）的非线性特性与低检测概率情况下，针对多伯努利滤波算法的高斯混合（Gaussian Mixture，GM）实现难以精确估计目标的势与运动状态的实际问题，本文提出了一种适用于非线性系统的泊松多伯努利混合滤波（Poisson Multi-Bernoulli Mixture Filter，PMBM）算法.首先，推导出多模型泊松多伯努利混合滤波的高斯混合（GM Multi-model PMBM，GM-MM-PMBM）实现过程.然后，分别对GM-MM-PMBM的伯努利高斯分量进行预测与更新，实现了基于非线性系统的MTT.为提升系统稳定性，基于平方根协方差矩阵推导出GM-MM-PMBM均方根容积卡尔曼滤波算法的实现过程.最后，仿真实验综合验证了本文算法的跟踪性能.

Select

主从遥操作下双臂机器人的阻抗控制策略研究

韩昌，周浩，高俊

2024, 45(3): 636-640.

摘要 ( ) PDF全文 ( )

可视化

在遥操作机器人系统中，从端机器人不仅需准确地跟随主端设备的运动，还需与外界环境保持合适接触力，以避免因接触力过大对机器人和环境造成破坏.由于遥操作机器人系统中主从端设备是分离的，要实现遥操作下柔顺接触是极具挑战的.为了提高遥操作机器人系统任务执行的安全性，本文结合运动映射提出一种主从遥操作下阻抗控制策略.首先，通过提出主从端运动映射策略，将主从端设备联系起来，并获得从端机器人运动的目标位姿.接着，为了实现机器人末端执行器与环境的柔顺接触，提出阻抗控制策略，建立机器人与外界环境之间的位置和接触力的动态响应关系.同时，引入虚拟排斥力，让从端机器人的双臂在可行的空间中运动，从而提高了机器人操作的柔顺性和安全性.设计了机器人拖拽和白板擦拭两个实验来验证方法有效性.实验结果表明，所提出方法可实现机器人在具有接触的任务中的柔顺操作，可提高操作的安全性.

Select

融合IMR-WGAN的时序数据修复方法

孟祥福，马荣国

2024, 45(3): 641-650.

摘要 ( ) PDF全文 ( )

可视化

工业数据由于技术故障和人为因素通常导致数据异常，现有基于约束的方法因约束阈值设置的过于宽松或严格会导致修复错误，基于统计的方法因平滑修复机制导致对时间步长较远的异常值修复准确度较低.针对上述问题，提出了基于奖励机制的最小迭代修复和改进WGAN混合模型的时序数据修复方法.首先，在预处理阶段，保留异常数据，进行信息标注等处理，从而充分挖掘异常值与真实值之间的特征约束.其次，在噪声模块提出了近邻参数裁剪规则，用于修正最小迭代修复公式生成的噪声向量.将其传递至模拟分布模块的生成器中，同时设计了一个动态时间注意力网络层，用于提取时序特征权重并与门控循环单元串联组合捕捉不同步长的特征依赖，并引入递归多步预测原理共同提升模型的表达能力；在判别器中设计了Abnormal and Truth奖励机制和Weighted Mean Square Error损失函数共同反向优化生成器修复数据的细节和质量.最后，在公开数据集和真实数据集上的实验结果表明，该方法的修复准确度与模型稳定性显著优于现有方法.

Select

融合GhostNet的YOLOv4轻量化网络设计与实现

石博雅，董学峰

2024, 45(3): 651-656.

摘要 ( )

可视化

由于存储资源和功耗等限制，在嵌入式设备上部署基于深度学习的目标检测算法存在困难，且效果不佳.基于YOLOv4算法，提出了一种改进的YOLOv4-Light轻量化网络模型，采用GhostNet网络结构替换CSPDarknet53作为主干提取网络，引入CBAM注意力机制关注通道和空间两个维度的特征信息，并利用感知量化方法对权重进行INT8量化处理，在保证精度的情况下降低网络模型规模和参数量.在PC端和NVIDIA Jetson Xavier NX上选用VisDrone无人机数据集分别对网络模型进行测试，结果表明YOLOv4-GhostNet-CBAM模型的尺寸是160M，比YOLOv4降低了34.43%；检测速率最高可达到34.6FPS，比YOLOv4提高了56.6%.YOLO-Light模型的尺寸是40.2M，比YOLOv4降低了83.5%；检测速率最高可达到78.6FPS，为YOLOv4的3.6倍，且交并比为0.5时的平均精度均值（mAP50）与YOLOv4相比仅下降了3%.YOLO-Light模型相较于原模型优势明显，能够在低功耗的嵌入式设备上完成实时目标检测.

Select

稀疏约束与时间一致的背景感知相关滤波目标跟踪

陶洋，唐函，欧双江，周婉怡

2024, 45(3): 657-663.

摘要 ( ) PDF全文 ( )

可视化

背景感知滤波算法通过循环移位采集真实负样本，有效解决了边界效应.但在复杂场景例如遮挡、快速移动、背景干扰等，其较大的采样区域导致过多背景在杂波干扰，从而影响跟踪效果.针对这一问题，本文首先提取灰度HOG特征与颜色CN特征来提高目标外观模型，在基准目标函数基础上引入L1稀疏正则约束形成弹性网络以自适应筛选关键特征，增强滤波器在复杂背景下的判别能力.同时针对BACF在跟踪过程中目标快速变化，本文引入时间正则项提高滤波器抑制畸变的能力.最后，本文提出了一种独立的尺度滤波器算法，准确提供目标尺度大小.实验仿真结果表明，在公开数据集OTB-2013和OTB-2015上，本文算法较基准算法有很大提升，能够较好应对不同复杂场景下的跟踪难题.

Select

MIRNet-Plus：基于丰富特征学习的低光图像增强改进方法

罗林，余联想，郑明魁

2024, 45(3): 664-669.

摘要 ( ) PDF全文 ( )

可视化

图像增强是一种基础的计算机视觉任务，从低光图像中恢复出高质量的明亮图像是业界正在攻克的问题.近年来，以卷积神经网络（CNN）为主导的图像恢复技术取得了重大进展.对于低光图像增强，本方法使用双重选择核融合（Double SKFF）方法，通过增强中间层不同分辨率信息的交流能力以获得更多上下文信息以及空间信息；同时设计了一个深度注意模块（Depthwise Attention Module,DWM)，用来共享张量中的特征信息，对原有特征进行补充，获取更加丰富的特征信息.同时本方法还引入了多颜色空间神经修饰块，用来在3种不同的颜色空间（Lab，RGB，HSV）中联合训练，以期望获得更好的图像增强结果.本文提出的MIRNet-Plus在原有的基础方法上PSNR获得了5.3%的提高，由23.73dB提升到24.98dB.

Select

一种改进的DETR输电线通道山火烟雾检测方法

张政，何慧

2024, 45(3): 670-675.

摘要 ( ) PDF全文 ( )

可视化

输电线通道中的火灾会对电力系统的正常运行造成极大的安全隐患，但由于山火烟雾的形状、大小和颜色变化多样导致传统图像方法检测精度较差.为了提高山火检测精度，本文提出一种基于改进DETR的输电线通道山火检测方法.首先，在特征提取阶段加入多尺度特征信息，并利用空洞卷积提高算法对底层特征的感知能力；然后，引入相对位置编码对Transformer模块中的自注意力机制进行改进；其次，利用CIOU对算法的损失函数进行调整；最后，在标注好的输电线通道山火数据集上对改进后算法进行模型训练和测试.实验结果表明，本文所提出的改进后的DETR模型平均精度可达到84.77%，与原始DETR算法相比提高了6.52%，与其它主流目标检测算法对比，本文提出的山火检测模型可有效识别输电线通道中的山火目标并达到较高的检测精度.

Select

一种基于多模态特征提取的医学视觉问答方法

吴松泽，刘利军，黄青松，孔凡彦，刘骊，付晓东

2024, 45(3): 676-683.

摘要 ( ) PDF全文 ( )

可视化

随着深度学习在医疗领域的快速发展，医学视觉问答（Med-VQA）吸引了研究人员的广泛关注.现有的Med-VQA方法大都使用权重参数共享的同一特征提取网络对多模态医学影像进行特征提取，在一定程度上忽略了不同模态医学影像的差异性特征，导致对特定模态特征提取时引入其它模态的噪声特征，使得模型难以关注到不同模态医学影像中的关键特征.针对上述问题，本文提出一种基于多模态特征提取的医学视觉问答方法.首先，对医学影像进行模态识别，根据模态标签指导输入参数不共享的特征提取网络以获得不同模态影像的差异性特征；然后，设计了一种面向Med-VQA的卷积降噪模块以降低医学影像不同模态特征的噪声信息；最后，采用空间与通道注意力模块进一步增强不同模态差异性特征的关注度.在Med-VQA公共数据集Slake上得到的实验结果表明，本文提出方法能有效提高Med-VQA的准确率.

Select

整合卷积与高效自注意力机制的图像分类模型

田鑫驰，王亚刚，尹钟，陈浩

2024, 45(3): 684-691.

摘要 ( ) PDF全文 ( )

可视化

对于传统的图像分类网络而言，卷积神经网络受限于较小且固定的感受野使其忽略了感受野之外的图像特征信息.基于Transformer模型灵活的多头自注意力机制使得其必须依赖于巨大的数据量以减少过拟合的风险，导致模型参数与计算复杂度过于庞大.针对上述问题本文提出了一种名为CSNet的多阶段图像分类模型.在模型浅层阶段利用大核卷积分解的思想扩大卷积层感受野以学习较大范围的特征信息.在深层阶段利用一种高效的自注意力机制，将卷积运算的特性加入自注意力机制中，有效减少了原始自注意力机制局部计算冗余和过分依赖数据的问题.CSNet在CIFAR-10和ImageNet-1K数据集上的分类准确率分别达到98.9%和82.6%，实验表明CSNet的模型性能优于ResNet和Vision Transformer.

Select

一种面向可编程确定性零拷贝的FPGA加速器

王继昌，吕高锋，刘忠沛，杨翔瑞

2024, 45(3): 692-698.

摘要 ( ) PDF全文 ( )

可视化

随着网络规模的进一步扩展，传统B/S架构的单体应用逐渐被微服务所代替，服务的拆分使得API的规模呈指数增长.而商用网卡处理在处理海量的微服务请求时，在确定性、可编程和数据拷贝三个方面表现出巨大的局限性.为保证各网络节点高效、灵活、精确地处理服务请求，本文提出可编程确定性的多队列FPGA加速器原型.该加速器依托多个硬件队列以及队列管理单元，扩展基于规则的RSS算法，实现serverless友好的数据包分发.添加PTP硬件时钟组件，与队列管理单元协同控制对数据包的确定性发送.为提升网络节点的数据收发效率，设计了适配FPGA加速器的驱动程序，实现数据包收发的零拷贝.在支持100Gbps线速率的FPGA上进行的实验表明，该加速器可以支持不同数据包大小的多队列的零拷贝传输，定义网路节点的转发行为，并在8个核心的FPGA设备上接近线速率处理数据，此外，它还支持以接近ovs-DPDK的低延迟进行数据包转发，在一定程度上克服了商业网卡在面向微服务架构时的局限性.

Select

室内多用户在线协同指纹定位算法

许远航，张鑫宇，乐燕芬

2024, 45(3): 699-706.

摘要 ( ) PDF全文 ( )

可视化

针对室内环境中多个用户同时申请定位服务的场景，提出一种基于多用户在线协同的室内指纹定位算法.考虑到邻近的多个用户在同一时段观测的Wi-Fi接入点（Access Point，AP）的接收信号强度指示（Received Signal Strength Indicator，RSSI）信号服从相似的空间分布，从而可利用该信号强度的大小来校准用户的估计位置.算法首先由目标用户的AP覆盖向量确定邻近的候选参考节点（Reference Point，RP）以及协同定位用户；利用协同定位用户观测的RSSI信息对候选RP进行可信度评估，并结合目标用户的RSSI信号与各候选RP指纹的相似度，筛选候选RP，利用WKNN（Weighted K-Nearest Neighbors）算法获得经协同定位用户校准后的目标用户的校准估计位置；同时，算法还融合了子集定位的思想，利用目标用户的在线RSSI信号构建用于校准定位的多个AP子集，并由位置密度检测方法剔除异常校准位置，确定目标的最终估计位置.算法涉及的协同用户的发现和位置的校准都无需额外的硬件支持，对用户透明.典型室内环境中的实验结果表明，多用户在线协同定位算法有效抑制了大定位误差，提高了定位性能.

Select

DTN中适用于节点环境状态的拥塞控制管理策略

崔建群，陈紫怡，常亚楠，陈欢欢，龚双

2024, 45(3): 707-717.

摘要 ( ) PDF全文 ( )

可视化

针对容迟网络中节点存储空间有限从而出现大量丢包情况的问题，本文提出了一种适用于节点环境状态的拥塞控制管理策略（congestion control management strategy suitable for the state of the node environment，NEMS）：该策略由节点间位置差异相关的控制保留策略和节点自差异相关的丢包策略构成.首先根据节点剩余缓存空间的大小判断节点是处于忙碌状态（BS）还是崩溃状态（CS），当节点处于BS状态时，节点间位置差异相关的控制保留策略结合门限度和连接活跃值的概念分析是否留存新消息.节点自差异相关的丢包策略利用熵权法动态计算各个节点中不同消息属性权重，得到消息丢弃优先级.当拥塞发生，优先删除丢弃优先级大的消息.同时，引入ACK反馈机制，消除网络中已成功投递的冗余消息.仿真结果表明，与无缓存管理的路由策略相比，加入NEMS后使得消息成功投递率增加了约100.93%~200.67%，网络负载降低了约76.05%~81.42%.

Select

面向联邦学习激励优化的演化博弈模型

孙跃杰，赵国生，廖祎玮

2024, 45(3): 718-725.

摘要 ( ) PDF全文 ( )

可视化

针对联邦学习中参与者虚报训练成本导致激励不匹配的现象，提出了面向联邦学习激励优化的演化博弈模型.首先在联邦学习系统中建立了联邦参与者联邦组织者演化博弈模型，设计模型质量评估算法对参与者提交的模型进行质量评估，去除低质量模型的同时量化参与者训练成本.然后结合信誉度指标提出优化的激励分配方法，通过求解演化博弈的稳定策略得到不同初始状态下的最优收益策略.最后仿真实验表明参与者激励收益方面，与平均分配法和个体收益分享法相比诚实参与者的收益提升了70%和57.4%，虚报参与者收益降低了65%和69.5%，策略选择方面，所提模型能合理选择收益策略.

Select

多用户协作NOMA系统中的最优中继选择策略

周围，黎婧怡，廖先平，贺凡

2024, 45(3): 726-731.

摘要 ( ) PDF全文 ( )

可视化

在多用户协作非正交多址接入（NOMA）系统中，针对传统中继转发方式单一，中断性能较差的问题，提出了一种基于混合译码/放大转发（HDAF）协议的改进式最优中继选择策略.该策略以中继能否成功解码信号为依据，将多个中继划分为DF候选中继子集与AF候选中继子集，并选出其中接收信噪比最高的中继参与协作.为了进一步提升系统的通信性能，本文还引入自动重传（ARQ）技术，提出了一种基于增量混合译码/放大转发（IHDAF）协议的中继选择策略.分别推导了两种策略下系统中断概率的闭式表达，并通过蒙特卡罗实验对不同策略的中断概率进行了仿真.结果表明，本文所提的两种策略相比于传统策略能够获得更低的中断概率，特别是IHDAF中继选择策略始终可以实现更佳的中断性能.

Select

端到端方面级情感分析综述

潘美琦，马致远，刘高飞，秦纪伟

2024, 45(3): 732-746.

摘要 ( ) PDF全文 ( )

可视化

方面级情感分析作为一种重要的细粒度情感分析任务，旨在从方面层面分析和理解用户的观点，近年来受到学术界和工业界的广泛关注.端到端方面级情感分析是方面级情感分析的一个重要分支，目的是同时提取方面术语并确定其情感极性.然而，目前尚缺乏单独对其现有方法的系统分类和性能比较的综述文章.针对这一现状，本文首先概述了方面级情感分析任务的定义及相关研究，并归纳了该领域现有数据集的情况.在此基础上，本文分别对不同类型的端到端方面级情感分析方法进行了归纳和总结，并进一步通过不同数据集上的对比介绍了不同方法的性能.最后，本文针对现有方法的发展进行了总结，归纳了当前研究仍然面临的挑战，并指出了未来研究可能的方向.

Select

脉冲控制下基于合作机制的多智能体系统分组一致性研究

刘雪梅，彭大芹，杨莎莎

2024, 45(3): 747-752.

摘要 ( ) PDF全文 ( )

可视化

针对在脉冲控制下非线性多智能体系统的分组一致性协同控制问题，本文基于复杂系统中智能体间的合作机制，提出了一种新颖的具有领导-跟随网络的分组一致性控制协议.该协议控制智能体仅在脉冲时刻接收来自邻居节点的信息并更新自己的状态，减少智能体因持续接收邻居信息更新自己状态而造成的网络开销.针对不同组之间智能体的信息交互，该协议具有防止组间干扰的机制，降低了不同组之间的通信干扰，提高系统鲁棒性.此外，本文还介绍了一种适用于非线性系统的方案，增强协议的适应性.基于实现分组一致性条件，构建了多智能体系统的动力学模型，并进行了协议的详细设计和理论推导.最后，通过仿真验证了协议的正确性和有效性.

Select

基于多策略改进的蜜獾优化算法

徐碧阳，覃涛，魏巍，范圆成，杨靖

2024, 45(3): 753-762.

摘要 ( ) PDF全文 ( )

可视化

针对蜜獾算法（Honey Badger Algorithm，HBA）在解决复杂优化问题时存在收敛速度慢，容易陷入局部最优的问题，提出了一种基于多策略改进的蜜獾优化算法（IHBA）.首先，引入Sobol序列初始化种群，增加种群的多样性；其次，引入动态自适应密度因子和黄金正弦策略，快速切割解空间，平衡全局搜索与局部搜索，提升寻优效率；然后，引入柯西变异策略，优化最优解，避免算法陷入局部最优.为验证算法的性能，选取7种智能算法与IHBA对比，对10个经典测试函数进行寻优对比和Wilcoxon秩和检验，仿真结果表明IHBA算法的收敛速度和寻优精度都得到了提升；最后，将IHBA用于求解2个实际的工程优化问题，仿真结果表明IHBA在解决工程优化问题时具有较好的鲁棒性和实用性.

Select

一种干扰系数自探测的网络事件选取方法

臧洁，任旭，冯艳爽，王妍，肖萍，鲁锦涛

2024, 45(3): 763-768.

摘要 ( )

可视化

网络事件在传播过程中会产生相互影响，对这种事件间的影响进行研究有助于深入了解网络舆情的传播规律，并依此采取正确的应对办法.针对不同事件间存在不同干扰效果这一问题，提出了一种干扰系数自探测的网络事件选取方法.该方法使用具有多事件容量特征的mSIR-CA（MultipleSIRCellular Automata）模型为推演核心，并借助真实事件数据进行有针对性的参数寻优，使得方法能够根据目标事件，从当前同处于扩散过程的多个备选干扰事件中，进行有效事件选取及干扰效果排序.实验结果表明，根据真实事件训练集对方法参数寻优后，通过对已发生事件标记的事件组进行验证，该方法在有效干扰事件的分类判断、干扰效果排序结果方面有较好的准确率.

选择文件类型/文献管理软件名称

选择包含的内容

过刊目录

作者投稿

专家审稿

编辑办公

主编办公

编委审稿

下载中心

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

过刊目录

作者投稿

专家审稿

编辑办公

主编办公

编委审稿

下载中心